新的代数框架统一分类性能评估

研究人员引入了一个新颖的统一代数框架，旨在评估各种场景下的分类性能，包括二分类、多分类、多标签、有序和成本敏感场景。该框架将实际标签和预测标签表示为二元指示矩阵，并利用三个聚合算子——全局、按列和按行——分别对应微平均、宏/加权平均和样本平均。该系统通过替换这些算子，自动将任何二元性能度量扩展到更复杂的场景，并且还可以纳入软分类器输出和软真实标签。理论结果证明了微平均与加权宏平均之间的等价性，刻画了偏斜不变度量，并表明在多分类环境中，微精确率、微召回率和微F1等价于准确率。 AI

影响 为跨不同场景评估AI分类模型提供了一个统一的数学方法。

排序理由 该集群包含一篇详细介绍分类性能评估新理论框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• machine learning
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →